論文の概要: How to Sample From The Limiting Distribution of a Continuous-Time Quantum Walk

• arxiv url: http://arxiv.org/abs/2209.13028v1
• Date: Mon, 26 Sep 2022 21:04:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 02:45:10.935503
• Title: How to Sample From The Limiting Distribution of a Continuous-Time Quantum Walk
• Title（参考訳）: 連続時間量子ウォークの限界分布からサンプルを得る方法
• Authors: Javad Doliskani
• Abstract要約: 我々は、連続時間量子ウォークの制限分布からサンプリングできる$varepsilon$-projectorsを紹介した。 グラフの隣接行列へのクエリアクセスしかできないブラックボックス設定では、サンプリングアルゴリズムはDelta-1$に比例して実行されます。 非ブラックボックス設定では,アルゴリズムが標準サンプリングアルゴリズムよりも指数関数的に高速に動作するグラフの例を示す。
• 参考スコア（独自算出の注目度）: 1.8021287677546958
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce $\varepsilon$-projectors, using which we can sample from limiting distributions of continuous-time quantum walks. The standard algorithm for sampling from a distribution that is close to the limiting distribution of a given quantum walk is to run the quantum walk for a time chosen uniformly at random from a large interval, and measure the resulting quantum state. This approach usually results in an exponential running time. We show that, using $\varepsilon$-projectors, we can sample exactly from the limiting distribution. In the black-box setting, where we only have query access to the adjacency matrix of the graph, our sampling algorithm runs in time proportional to $\Delta^{-1}$, where $\Delta$ is the minimum spacing between the distinct eigenvalues of the graph. In the non-black-box setting, we give examples of graphs for which our algorithm runs exponentially faster than the standard sampling algorithm.
• Abstract（参考訳）: 我々は、連続時間量子ウォークの制限分布からサンプリングできる$\varepsilon$-projectorsを紹介した。 与えられた量子ウォークの限界分布に近い分布からサンプリングする標準的なアルゴリズムは、大きな間隔からランダムに選択された時間に対して量子ウォークを実行し、その結果の量子状態を測定することである。 このアプローチは通常、指数的な実行時間をもたらす。 我々は、$\varepsilon$-プロジェクタを使用して、制限分布から正確にサンプルできることを示す。 グラフの隣接行列へのクエリアクセスしか持たないブラックボックス設定では、サンプリングアルゴリズムは$\Delta^{-1}$に比例して実行され、$\Delta$はグラフの異なる固有値間の最小間隔である。 非ブラックボックス設定では,アルゴリズムが標準サンプリングアルゴリズムよりも指数関数的に高速に動作するグラフの例を示す。

関連論文リスト

• Diffusion at Absolute Zero: Langevin Sampling Using Successive Moreau Envelopes [52.69179872700035]
  本稿では,$pi(x)proptoexp(-U(x))$という形のGibbs分布から,潜在的に$U(x)$でサンプリングする方法を提案する。 拡散モデルに着想を得て、ターゲット密度の近似の列 $(pit_k)_k$ を考えることを提案し、そこで$pit_kapprox pi$ for $k$ small に対して $pit_k$ は、$k$のサンプリングに好適な性質を示す。
  論文  参考訳（メタデータ） (2025-02-03T13:50:57Z)
• Slow Mixing of Quantum Gibbs Samplers [47.373245682678515]
  一般化されたボトルネック補題を用いて、これらのツールの量子一般化を示す。 この補題は、古典的なハミング距離に類似する距離の量子測度に焦点を当てるが、一意に量子原理に根ざしている。 ポアソン・ファインマン・カック法を用いて古典的な緩やかな混合結果を持ち上げる方法を示す。
  論文  参考訳（メタデータ） (2024-11-06T22:51:27Z)
• Optimal sampling of tensor networks targeting wave function's fast decaying tails [0.0]
  等尺テンソルネットワーク状態に対する局所測定文字列の量子結果のサンプリングに最適戦略を導入する。 このアルゴリズムはサンプルの繰り返しを回避し、指数関数的に減衰する尾を持つサンプリング分布を効率的に行う。
  論文  参考訳（メタデータ） (2024-01-18T19:00:05Z)
• Quantum Algorithms for the Pathwise Lasso [1.8058773918890538]
  古典的LARS(Least Angle Regression)パスワイズアルゴリズムに基づく新しい量子高次元線形回帰アルゴリズムを提案する。 我々の量子アルゴリズムは、ペナルティ項が変化するにつれて、完全な正規化パスを提供するが、特定の条件下では、イテレーション毎に2次的に高速である。 我々は、KKT条件の近似バージョンと双対性ギャップにより、LARSアルゴリズムがエラーに対して堅牢であることを証明した。
  論文  参考訳（メタデータ） (2023-12-21T18:57:54Z)
• Stochastic Quantum Sampling for Non-Logconcave Distributions and Estimating Partition Functions [13.16814860487575]
  非対数確率分布からサンプリングする量子アルゴリズムを提案する。 f$ は有限和 $f(x):= frac1Nsum_k=1N f_k(x)$ と書くことができる。
  論文  参考訳（メタデータ） (2023-10-17T17:55:32Z)
• Moments, Random Walks, and Limits for Spectrum Approximation [40.43008834125277]
  我々は、ワッサーシュタイン1距離において精度$epsilon$に近似できない$[-1,1]$に分布が存在することを示す。 正規化グラフ隣接行列のスペクトルに対する$epsilon$-accurate近似を一定の確率で計算することはできない。
  論文  参考訳（メタデータ） (2023-07-02T05:03:38Z)
• Quantum Algorithms for Sampling Log-Concave Distributions and Estimating Normalizing Constants [8.453228628258778]
  我々は,対数凹分布をサンプリングし,正規化定数を推定するための量子アルゴリズムを開発した。 我々はモンテカルロ法と量子ウォークの量子アナログを利用する。 また、正規化定数を推定するための1/epsilon1-o(1)$量子下界も証明する。
  論文  参考訳（メタデータ） (2022-10-12T19:10:43Z)
• Preparing Many Copies of a Quantum State in the Black-Box Model [0.0]
  量子オラクルによって振幅が与えられる$N$次元量子状態のコピーを$K$で作成するための単純な量子アルゴリズムについて述べる。 直接応用として、確率ベクトルが量子オラクルによって与えられる分布から$K$独立サンプルを得るための同様のスピードアップを得る。
  論文  参考訳（メタデータ） (2022-07-22T11:31:46Z)
• Random quantum circuits transform local noise into global white noise [118.18170052022323]
  低忠実度状態におけるノイズランダム量子回路の測定結果の分布について検討する。 十分に弱くユニタリな局所雑音に対して、一般的なノイズ回路インスタンスの出力分布$p_textnoisy$間の相関(線形クロスエントロピーベンチマークで測定)は指数関数的に減少する。 ノイズが不整合であれば、出力分布は、正確に同じ速度で均一分布の$p_textunif$に近づく。
  論文  参考訳（メタデータ） (2021-11-29T19:26:28Z)
• Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
  非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
  論文  参考訳（メタデータ） (2020-06-04T17:51:00Z)
• Differentially Quantized Gradient Methods [53.3186247068836]
  微分量子化グラディエントDescence (DQ-GD) が$maxsigma_mathrmGD, rhon 2-R$の線形収縮係数を得ることを示す。 あるクラス内のアルゴリズムは$maxsigma_mathrmGD, 2-R$よりも早く収束できない。
  論文  参考訳（メタデータ） (2020-02-06T20:40:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。